नॉर्मल CDF — Z से कम प्रायिकता (Probability Less Than Z) कैलकुलेटर

नॉर्मल CDF — Z से कम प्रायिकता (Probability Less Than Z) कैलकुलेटर

बढ़ रहा AI Skill PRO

गणना दर्ज करें

इसमें कच्चा मान दर्ज करें z मानकीकरण के लिए μ और σ के साथ, या z को सीधे इस्तेमाल करने के लिए μ=0 और σ=1 ही रहने दें।

परिणाम

लोअर टेल P(Z < z)
0.975002
z से नीचे वितरण का हिस्सा: 97.5002%
मानकीकृत z 1.96
लोअर टेल P(Z < z) 0.975002
अपर टेल P(Z > z) 0.024998
पर्सेंटाइल 97.5002%

सूत्र (फॉर्मूला)

P(X<x)=Φ(Z−माध्य μमानक विचलन σ)=12[1+erf(z2)]P(X < x) = \Phi\!\left(\frac{\text{Z} - {{\text{माध्य }\mu}}}{{{\text{मानक विचलन }\sigma}}}\right) = \frac{1}{2}\left[1 + \operatorname{erf}\!\left(\frac{z}{\sqrt{2}}\right)\right]
उपयोग आँकड़े

विज्ञापन

इस पेज पर त्रुटि की रिपोर्ट करें

यह कैलकुलेटर क्या करता है

यह टूल स्टैंडर्ड नॉर्मल संचयी वितरण फलन (CDF) की गणना करता है, जिसे \(\Phi(z)\) या \(P(Z < z)\) लिखा जाता है। यह बताता है कि किसी नॉर्मल रूप से वितरित यादृच्छिक चर (random variable) के किसी दिए गए z-स्कोर से नीचे आने की प्रायिकता कितनी है। साथ ही यह अपर-टेल प्रायिकता \(P(Z > z)\) और संबंधित पर्सेंटाइल भी देता है। यह एक सार्वभौमिक सांख्यिकी टूल है — यह हर जगह लागू होता है और इसमें किसी देश-विशेष की कोई शर्त नहीं है।

मानक सामान्य घंटी वक्र जिसमें z पर खड़ी रेखा के बाईं ओर का क्षेत्रफल छायांकित है
\(P(Z < z) = \Phi(z)\) मानक सामान्य वक्र के अंतर्गत z के बाईं ओर का छायांकित क्षेत्रफल है।

इसका उपयोग कैसे करें

पहले फ़ील्ड में अपना z-स्कोर दर्ज करें। अगर आपके पास z-स्कोर के बजाय कोई कच्ची माप (raw value) है, तो उस मान को z में डालें और वितरण का माध्य (μ) तथा मानक विचलन (σ) भर दें; कैलकुलेटर $$z = \frac{x - \mu}{\sigma}$$ सूत्र से उसे स्वयं मानकीकृत कर देगा। अगर आपका इनपुट पहले से ही मानकीकृत z-स्कोर है, तो \(\mu = 0\) और \(\sigma = 1\) ही रहने दें।

सूत्र की व्याख्या

स्टैंडर्ड नॉर्मल CDF को एरर फलन (error function) के ज़रिए परिभाषित किया जाता है: $$\Phi(z) = \tfrac{1}{2}\left[1 + \operatorname{erf}\!\left(\frac{z}{\sqrt{2}}\right)\right]$$ चूँकि erf का कोई सरल बंद-रूप (closed-form) व्यंजक नहीं होता, इसलिए यह कैलकुलेटर इसे Abramowitz & Stegun 7.1.26 परिमेय सन्निकटन (rational approximation) से निकालता है, जिसकी सटीकता लगभग \(1.5\times10^{-7}\) है — जो प्रायिकता और सांख्यिकी के काम के लिए पर्याप्त से अधिक है।

विज्ञापन
घंटी वक्र जो z पर बाईं निचली पुच्छ और दाईं ऊपरी पुच्छ में बँटा है
निचली पुच्छ \(\Phi(z)\) और ऊपरी पुच्छ \(1 - \Phi(z)\) का योग 1 होता है।

हल किया हुआ उदाहरण

\(z = 1.96\) के लिए, जो सांख्यिकी में एक बहुत प्रसिद्ध मान है: $$\Phi(1.96) = \tfrac{1}{2}\left[1 + \operatorname{erf}\!\left(\frac{1.96}{\sqrt{2}}\right)\right] \approx 0.9750$$ इसका मतलब है कि स्टैंडर्ड नॉर्मल वितरण का लगभग 97.5% भाग 1.96 से नीचे है, और 2.5% भाग अपर टेल में बचता है — यही वजह है कि ±1.96 के बीच केंद्रीय 95% भाग आता है, जिसका उपयोग कॉन्फ़िडेंस इंटरवल में किया जाता है।

अक्सर पूछे जाने वाले सवाल

z = 0 पर मान क्या होता है? \(\Phi(0) = 0.5\) बिलकुल सटीक, क्योंकि नॉर्मल वितरण अपने माध्य के परितः सममित (symmetric) होता है।

दो-पुच्छ (two-tailed) प्रायिकता कैसे निकालें? सममित सीमाओं ±z के लिए, बाहर की दो-पुच्छ क्षेत्रफल \(2 \times (1 - \Phi(z))\) होता है; और केंद्रीय क्षेत्रफल \(2\Phi(z) - 1\) होता है।

क्या मैं ऋणात्मक (negative) z-स्कोर इस्तेमाल कर सकता हूँ? हाँ। सममिति के कारण \(\Phi(-z) = 1 - \Phi(z)\) होता है, और यह कैलकुलेटर ऋणात्मक इनपुट को सीधे संभाल लेता है।

अंतिम अपडेट:

गणित और सांख्यिकी में सबसे लोकप्रिय

गणित और सांख्यिकी के सभी कैलकुलेटर देखें